Lợi thế của Nvidia trong kỷ nguyên AI không còn chỉ nằm ở GPU

Trước tuần này, câu chuyện chủ đạo về Nvidia thường diễn ra như sau: Trong vài năm đầu của cơn sốt AI, Nvidia là nguồn cung duy nhất cho các dòng GPU tiên tiến nhất, vốn trở nên cực kỳ lợi nhuận khi ngành công nghiệp mở rộng quy mô. Trong vài năm gần đây, các đơn vị cung cấp dịch vụ đám mây quy mô lớn (hyperscalers) như Amazon và Google đã bắt đầu tự chế tạo chip riêng, và Nvidia không còn là "người chơi duy nhất trên thị trường", khiến nhiều nhà đầu tư tự hỏi liệu lợi thế của hãng có thực sự bền vững hay không.

Đó là một câu chuyện đầy sức thuyết phục và phần lớn là sự thật. Sau khi tăng vốn hóa thị trường gấp 10 lần từ đầu năm 2023 đến giữa năm 2025, cổ phiếu của Nvidia đã có quỹ đạo khiêm tốn hơn trong năm qua do những lo ngại về sự cạnh tranh trong mảng GPU.

Một góc nhìn mới đã hình thành kể từ khi công ty công bố báo cáo thu nhập vào thứ Tư, và các nhà đầu tư đang bắt đầu nhận ra rằng lợi thế của Nvidia vượt xa các dòng GPU. Khi năng lực tính toán của AI phát triển lên quy mô gigawatt, việc điều phối đã trở thành một nhiệm vụ ngày càng phức tạp. Không có gì ngạc nhiên khi Nvidia đã xây dựng phần lớn phần cứng tiên tiến cần thiết để xử lý vấn đề này, mang lại cho công ty lợi thế to lớn trong các hệ thống bao quanh GPU, ngay cả khi hãng đang đối mặt với sự cạnh tranh ngày càng tăng đối với chính các dòng GPU đó.

Bất chấp mọi lời bàn tán về việc coi năng lực tính toán là một loại hàng hóa phổ thông, việc vận hành một trung tâm dữ liệu quy mô lớn đạt hiệu suất tối đa vẫn cực kỳ khó khăn — và khi các hệ thống triển khai ngày càng lớn và nhanh hơn, thách thức đó chỉ có tăng chứ không giảm.

Từng giá đỡ (Rack) một

Bạn có thể thấy rõ điều này khi nhìn vào chi tiết những gì Nvidia thực sự đang bán. Công ty hiện đang triển khai kiến trúc Vera Rubin, kết hợp GPU Rubin với một loạt các đơn vị khác, bao gồm CPU Vera, bộ tăng tốc suy luận Groq 3 LPX và các giá đỡ tương tự cho lưu trữ và kết nối mạng.

Trong tuần qua, tôi đã trao đổi với những người tại Nvidia về chức năng thực sự của các hệ thống đó, và kết quả thật đáng kinh ngạc. Giống như bản thân GPU Rubin, chúng là những hệ thống chuyên biệt cao cấp, nhưng thay vì chỉ xử lý các token, chúng đảm bảo mọi thứ bên ngoài GPU hoạt động hiệu quả nhất có thể. Nếu GPU là động cơ, thì đây chính là phần còn lại của chiếc xe.

CPU Vera đặc biệt tập trung vào bài toán điều phối dữ liệu. Jason Hardy, Phó chủ tịch phụ trách công nghệ lưu trữ của Nvidia, chia sẻ với tôi: “Vera rất quan trọng vì bộ nhớ mà bạn có thể đặt trong một máy chủ đơn lẻ hoặc bất kỳ nền tảng tính toán nào đều có giới hạn”.

Khi các trung tâm dữ liệu mở rộng năng lực tính toán, dung lượng bộ nhớ cũng tăng theo, đó là lý do tại sao các công ty như Micron đã trở nên giàu có trong làn sóng thứ hai của sự bùng nổ cơ sở hạ tầng. Nhưng việc đưa dữ liệu đó đến GPU vào đúng thời điểm không hề đơn giản — và khi các công ty tìm cách giảm chỉ số token-trên-watt xuống thấp hơn nữa, họ nhận ra tầm quan trọng của việc điều phối lưu lượng dữ liệu này.

“Chúng tôi đã thấy mức cải thiện lên tới 3 lần trong các hoạt động này, nơi CPU Vera cho phép tăng tốc,” Hardy cho biết. “Vì vậy, giờ đây chúng tôi có thể khai thác tối đa tiềm năng của bộ nhớ flash, bởi vì chúng tôi có thể tận dụng toàn bộ hiệu suất mà không bị nghẽn cổ chai.”

Bạn có thể thấy các phiên bản của cùng một vấn đề này bên ngoài Nvidia. Khi OpenAI phát triển chip Jalapeño, trọng tâm chính là tránh hoàn toàn những thách thức này bằng cách giảm thiểu lượng dữ liệu cần di chuyển.

“Chúng tôi thiết kế Jalapeño để giảm thiểu việc di chuyển dữ liệu và độ trễ truyền thông,” công ty cho biết trong một bài đăng trên blog đầu tháng này. “Miền dữ liệu lớn của nó cho phép toàn bộ khối lượng công việc nằm trong một hệ thống kết nối duy nhất, giảm thiểu việc di chuyển dữ liệu và giúp toàn bộ yêu cầu được xử lý nhanh chóng và hiệu quả từ đầu đến cuối.”

Đó là một cách tiếp cận khác, tránh hoàn toàn việc di chuyển dữ liệu bằng cách thực hiện khối lượng công việc trong một con chip tích hợp. Nhưng logic tổng thể vẫn giống nhau: tăng hiệu quả bằng cách kiểm soát lưu lượng thông minh hơn thay vì chỉ tăng chu kỳ xử lý. Điều đó mở ra một lớp cơ sở hạ tầng hoàn toàn mới để các công ty cạnh tranh.

Sự tập trung mới vào điều phối dữ liệu này không mặc nhiên là chiến thắng cho Nvidia. Công ty sẽ phải cạnh tranh với các nhà sản xuất chip đối thủ và các đơn vị hyperscalers giống như cách họ đã làm với GPU. Nhưng cuộc cạnh tranh đã chuyển sang một lớp mới, nơi việc chế tạo một GPU đối thủ ít quan trọng hơn khả năng làm cho toàn bộ hệ thống hoạt động hiệu quả.

Và ít nhất là trong giai đoạn đầu, Nvidia dường như đang nắm giữ vị thế dẫn đầu áp đảo.

Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể nhận được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập trong biên tập của chúng tôi.

Russell Brandom đã đưa tin về ngành công nghệ từ năm 2012, tập trung vào chính sách nền tảng và các công nghệ mới nổi. Trước đây, ông từng làm việc tại The Verge và Rest of World, đồng thời viết bài cho Wired, The Awl và MIT’s Technology Review. Bạn có thể liên hệ với ông qua email [email protected] hoặc qua Signal tại số 412-401-5489.

Xem tiểu sử